跳至主要內容
科技 產業分析

從搜尋框防抖到Embedding選型:字節這場全棧AI實習面試,考的是一份還不存在的職能說明書

一份字節跳動業務中臺AI全棧日常實習的面試涼經在牛客網流傳,本文從技能篩選成本與崗位技能組合變遷角度,拆解這場兩輪面試背後的帳。

刊登 閱讀約 5 分鐘

牛客網近期流傳一篇標題為「字節業務中臺AI全棧涼經」的帖子,發文者為一名2028年畢業、尋找日常實習的學生,記錄了字節跳動業務中臺全棧崗位一面與二面的完整提問清單。帖名裡的「涼」字已經說明結果:未通過。但這份清單本身的資訊量,遠超一則求職失利的心情分享。

兩輪面試,實際考了哪些東西

把帖中的問題逐條歸類,一面大致覆蓋五個區塊:實習經歷與專案背景、Agent專案與AI Coding工具使用、一道手撕演算法題(字串中按規則刪除B與AC,追問能否用棧解決)、前端場景設計(搜尋框聯想詞,延伸到防抖節流、以及舊請求5秒才返回時如何避免覆蓋新請求結果的競態問題),以及Skill與MCP的區別、職業規劃與近期印象深刻的AI產品。

二面的重心明顯偏移。提問幾乎全部圍繞發文者的兩個個人專案展開:一個圖片檢索Agent(涉及Embedding模型選型、向量存儲方案、LangGraph工作流、BERT分詞與關鍵詞清洗、Electron架構與輕量化替代方案),以及一個以FastAPI實現的AIOps自動運維巡檢Agent。面試官的追問深入到「不同Embedding模型的尺寸與向量化方案如何選擇」、「自己實現向量檢索與使用開源向量資料庫,準確率會有差異嗎」這一層級,最後落在Agent Harness場景題:Agent執行指令途中收到用戶補充指令,如何在不中斷執行的前提下處理。

發文者在反問環節得到的資訊是:該團隊業務涉及火山引擎、豆包搜尋,且「整個團隊在往全棧方向發展」。這一句話,加上前面兩輪題目的構成,本身就是一份可拆解的樣本。

篩選成本的帳:一個崗位掛幾張技能表

從人力篩選成本的角度看,這份面試清單最有價值之處,在於它顯示字節把至少四類原本分屬不同職能的要求,壓縮進了同一個實習崗位的考核裡。傳統前端實習的標準配備是演算法手撕加場景題(搜尋框、防抖節流、競態控制),這部分在清單中完整存在;但在此之上,還疊加了Agent工程(LangGraph、MCP、Skill封裝)、模型層知識(BERT架構、Embedding方案比較)與後端框架(FastAPI)的追問。

這種疊加直接推高了兩端的成本。對求職者而言,準備面試所需覆蓋的知識面從一條縱線變成一張網,2028年畢業的本科生需要在日常實習階段就對向量資料庫選型、BERT分詞原理給出有細節的回答。對僱主而言,題目覆蓋面越寬,單場面試的鑑別力反而可能下降:發文者多數問題有作答紀錄,最終仍被淘汰,說明淘汰判斷很可能落在追問的深度層,例如「Embedding模型叫什麼名字」、「FastAPI有沒有認真讀過官方文檔」這類驗證是否真有一手經驗的問題上。

這與我們先前分析的蝦皮後端一面追問鏈拉長篩選成本現象同構:大型平臺公司在面試環節用追問深度取代題目數量,作為在高應聘量下壓低誤判率的手段。字節這份清單的差異點在於,追問的對象從單一技術棧的深度,變成多個技術棧的「一手經驗驗證」。

崗位訊號:全棧不是修辭,是編制方向

反問環節那句「整個團隊是在往全棧方向發展,還是有專門的前端崗位」,得到的回答是前者。結合提問中AI Coding工具的使用頻率被單獨問及(包括「你購買的AI Coding工具多少錢」、「你們平時是不是也在重度使用AI工具」),可以讀出兩層訊號。

第一層是編制結構的變化。當AI工具能承接部分基礎編碼工作量,前端、後端與模型應用層的邊界在業務中臺這類內部支撐團隊裡先被壓縮,單一工程師需要端到端交付的範圍擴大。這解釋了為何一個實習崗要求同時演示搜尋框競態控制和Embedding選型。

第二層是工具支出的確認。面試官主動追問實習生自費購買AI Coding工具的金額,這個問題的功能更接近市場調研:它同時驗證候選人的工具投入強度,也側面反映團隊自身對這類工具付費滲透率的關注。個人開發者層級的AI工具訂閱支出,正在成為求職信號的一部分,這在兩三年前的實習面試清單裡幾乎不存在。

誰受惠、誰承壓

傳導方向相對清晰。受惠的一端是AI Coding與Agent工具鏈的供應商,從VS Code外掛到LangGraph、向量資料庫等開源專案的商業化公司,當一線大廠的面試題把這些工具的使用經驗列為隱性門檻,下遊學生與工程師的付費與採用意願會被直接拉動。承壓的一端是技能結構單一的求職者與培訓供給方:面試覆蓋面擴張意味著傳統單棧培訓的投資回報週期縮短,而「個人專案是否有一手細節」成為追問的分水嶺,包裝型專案的通過率會持續下降。

至於這份涼經的判讀,有一點需要保留:單一樣本無法推論字節各業務中臺團隊的面試口徑是否一致,也無法確認「全棧方向」是公司層級的編制調整還是單一團隊的權宜做法。能確認的是,在火山引擎與豆包搜尋這類業務場景裡,實習層級的篩選標準已經把Agent工程與模型選型寫進了預設考題。對2028屆之後的求職者而言,這份清單比任何職缺描述都更具體地定義了「全棧」兩個字在當下的實際含量。